自组织数据挖掘方法研究综述

从对自组织数据挖掘方法(SODM)本身的改进和SODM与其他建模方法结合两方面介绍了SODM的研究进展.对SODM本身改进的方面包括模型表示、选择准则和搜索方法.分析SODM与神经网络、遗传算法、模糊法则归纳法以及模拟方法的结合.在此基础上,指出SODM改进方向应该在改善算法本身的基础上,将其从单纯的数据挖掘技术扩展为知识发现的全过程.

基于自组织数据挖掘方法的经济预警研究

目前经济预警方法主要包括指标预警、统计预警、模型预警3类,这3类方法各有优劣。模型预警法常使用ARCH模型预警与人工神经网络模型预警。将自组织数据挖掘方法引入经济预警建模过程,通过实证研究发现:自组织数据挖掘方法在经济预警研究中具有较强的学习能力,在模型变量筛选时能有效避免人为因素的影响;与人工神经网络相比较,它建立的显式模型能够反映输入指标对输出指标的具体影响状况,将有助于分析警源,排除警情。研究结果表明,自组织数据挖掘方法将为经济预警提供一种新的模型预警法。

基于自组织数据挖掘的住宅空置影响因素分析

空置是反映房地产市场状况的一个重要因素。本文运用自组织数据挖掘方法来分析中国住宅空置面积的影响因素,我们发现,在所有的因素中,人均住宅面积是影响空置面积的最重要的因素,其中也有其他因素的较小的相关影响。

人民币汇率影响因素研究

本文运用自组织数据挖掘方法,从定性和定量综合集成的途径探讨人民币实际汇率的动态变化规律及其影响因素。我们发现,在1997～2002年时间段内,消费价格指数成为影响人民币实际汇率最主要的因素,并且二者的运动方向是相反的,近年来消费价格指数的连续下降使人民币实际汇率在前段时期的升值状况得到根本性缓解。被经济学界提出的、对人民币名义汇率较有影响的其他经济变量在人民币实际汇率模型中仅显示了微弱的作用,这源于近年来人民币名义汇率太稳定,它削弱了这些经济变量对实际汇率的影响作用。